“Get Smart Colorado”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: Large-scale strategies are needed to reduce overuse of antibiotics in US communities. OBJECTIVES: To evaluate the impact of a mass media campaign-"Get Smart Colorado"-on public exposure to campaign, antibiotic use, and office visit rates. DESIGN: Nonrandomized controlled trial. SETTING: Two metropolitan communities in Colorado, United States. SUBJECTS: The general public, managed care enrollees, and physicians residing in the mass media (2.2 million persons) and comparison (0.53 million persons) communities. INTERVENTION: : The campaign consisting of paid outdoor advertising, earned media and physician advocacy ran between November 2002 and February 2003. PRINCIPAL MEASURES: Antibiotics dispensed per 1000 persons or managed care enrollees, and the proportion of office visits receiving antibiotics measured during 10 to 12 months before and after the campaign. RESULTS: After the mass media campaign, there was a 3.8% net decrease in retail pharmacy antibiotic dispenses per 1000 persons (P = 0.30) and an 8.8% net decrease in managed care-associated antibiotic dispenses per 1000 members (P = 0.03) in the mass media community. Most of the decline occurred among pediatric members, and corresponded with a decline in pediatric office visit rates. There was no change in the office visit prescription rates among pediatric or adult managed care members, nor in visit rates for complications of acute respiratory tract infections. CONCLUSIONS: A low-cost mass media campaign was associated with a reduction in antibiotic use in the community, and seems to be mediated through decreases in office visits rates among children. The campaign seems to be cost-saving.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle